尤基鼓掌。掌聲之中有三分應付，也有三分真誠：“可是向山，這和我們說的‘內功’……有什么關系……”
“尤基，”向山沒有正面回答，而是反問了一個問題：“你覺得，計算機這個東西，強大嗎？”
尤基點了點頭。控制義體。其實大半都是計算機在出力。只要有計算機在，再復雜的工程機械也可以運轉。
尤基還知道，計算機可以以不可思議的速度計算東西，有錢人還能用它做更多的事情，比如……比如……
反正就是很厲害了。
“確實。人類生物腦的性能，如果符號運算為基準的話，計算資源可以和超級計算機相比好吧，在這個時代，我記憶里的那點參數多半也算不上‘超算’了。但是，與這個硬件相匹配的軟件，優化實在是太差了。如果單純比拼計算，追求性能，生物腦是比不過計算機的。”
這是很正常的事情。生物演化，從來就遵循“夠用就行”的原則。演化這種事，是不會追求“性能上的極致”的。一個不利性狀，只要不影響“活到生育年齡生孩子”，它就不會被自然選擇所淘汰。
自然人身上，有一大堆會引發各種傷病的智障設計。
但惟獨有一樣事情，計算機是無法與人腦相比的。
“至少在我所知道的時代里，計算機仍舊無法跳出‘計算性問題’的限制。”
尤基有些懵：“‘計算性問題’……”
“計算性問題，就是在探索，是否所有數學題，都可以依靠同一個計算方法破解。在這個基礎上，一個叫做阿蘭·圖靈的天才，設計出了‘圖靈機’，然后……他否定了人類關于‘可計算性’的理想。不是所有數學問題，都能被機器所破解。”
圖靈機一開始就無法理解許多問題。不是“計算資源不足，無法計算”而是“連開始計算的可能性都不存在”。
最簡單的，就比如說部分幾何注意，“部分幾何”，不是“所有”。數學中，“數字”、“幾何”、“方程”之類的概念，在一定程度上是可以相互轉化的。
但在一開始，就有很多問題，計算機無法計算，甚至無法識別。
在計算機誕生的初期，有一位教授，派遣他手下的一個研究生，去解決“計算機圖像識別”的問題他當時樂觀的認為，只需要兩個月，他手下的研究生就能徹底攻克這個問題。
但事實是，這是不可能的。
一直到二十一世紀，“肉眼識別驗證碼”，也是某些網絡程序判斷“登陸者是否是人類”的標準。
“計算機圖形識別”是一個恐怖的學科。全世界有無數學者在為之奮斗，但程序員們仍舊將“肉眼識別驗證碼”作為阻攔機器惡意登陸的手段。
計算機圖形識別如此困難，究其原因，很大程度上是因為……
“計算機能夠理解的問題，被稱作‘多項式時間問題’，Polynialtime也就是縮寫的P問題。計算機可以快速解決P問題。而比P問題更為困難的，則是非確定性多項式時間。NondeterministiPolynialtime即NP問題。”
一大部分幾何問題，都位于NP之內。圖靈機可以快速的驗證答案是否正確，卻不能快速地給出答案。而有的是幾何問題甚至還要比NP還要難。
“曾經有數學家想要證明‘P=NP’，來證明所有NP問題都可以被轉化成P問題，踏出讓計算機邁向神境的第一步。我仍舊不記得成功了沒有……”
圖靈機誕生的時候，就被劃定了極限因為它證否了“數學具有絕對的圖靈可計算性”。